改裝flexmix在R

Question

我是新來的flexmix在R，並希望有一些幫助。我爲這個混亂的格式道歉，因爲這是我的第一篇文章。

我在數據集中有兩個DV，Y1和Y2。

summary(dataset1.nomiss$Y1) 

    Min. 1st Qu. Median Mean 3rd Qu. Max. 

    3.000 3.000 3.000 4.202 4.000 28.000 

summary(dataset1.nomiss$Y2) 

    Min. 1st Qu. Median Mean 3rd Qu. Max. 

    1.000 2.000 3.000 3.838 6.000 11.000 

> dataset1.nomiss$Y1 

    3 4 7 1 1 3 1 4 8 4 9 4 1 2 7 7 3 1 2 6 4 1 3 2 5 1 1 2 3 8 1 4 9 1 1 3 4 3 2 2 11 1 2 1 2 7 5 3 3 3 2 4 8 1 4 4 
    1 4 5 3 1 2 8 3 3 4 1 1 9 4 2 6 1 2 2 1 7 3 6 8 1 3 6 3 1 1 1 1 7 9 8 2 1 4 2 3 2 4 1 2 4 4 9 2 2 5 3 2 5 2 6 10 
    8 2 2 4 4 2 2 5 3 8 3 1 2 8 3 8 8 5 6 7 4 3 11 4 2 4 7 1 1 7 5 2 7 9 7 10 4 2 3 3 7 4 7 1 1 1 1 1 7 1 1 4 1 8 1 8 
    2 9 4 3 3 


> dataset1.nomiss$Y1 # Guessing this was supposed to be Y2 

    4 3 6 3 6 3 3 3 3 3 5 4 3 4 4 3 6 3 3 6 8 3 3 3 5 3 3 3 4 3 3 5 28 3 3 3 4 3 3 3 3 3 3 3 3 3 5 6 3 3 3 3 3 3 3 28 
3 3 3 6 3 3 3 3 3 8 3 3 3 6 3 3 3 3 3 3 12 3 4 3 3 9 16 3 3 3 4 4 3 3 3 4 3 3 3 3 3 5 3 3 3 3 3 5 3 3 3 3 3 3 9 3 
4 3 7 3 18 4 3 8 3 3 3 3 3 7 3 7 11 3 3 3 3 3 3 3 3 3 3 3 3 6 6 3 3 11 14 3 3 3 3 3 4 3 4 3 3 3 5 3 3 3 3 3 3 3 3 3 
3 3 3 3 3 

我無法重新安裝Y1，如下所示。

Call: 

flexmix(formula = Y1 ~ Condition + AGE + RACE + CESD + SAQ_overall + SAQ_certainty + SAQ_importance, data = dataset1.nomiss, 
    k = 2) 

     prior size post>0 ratio 

Comp.1 0.266 46  46  1 

Comp.2 0.734 127 127  1 

'log Lik.' 3871.355 (df=21) 
AIC: -7700.709 BIC: -7634.49 

> model_1.refit<-refit(model_1) 

**Error in solve.default(as.matrix(fit$hessian)) : 
    Lapack routine dgesv: system is exactly singular: U[11,11] = 0** 

然而，Y2工作得很好

Call: 
flexmix(formula = Y2 ~ Condition + AGE + RACE + CESD + SAQ_overall + SAQ_certainty + SAQ_importance, data = dataset1.nomiss, 
    k = 2) 

     prior size post>0 ratio 

Comp.1 0.661 111 172 0.645 

Comp.2 0.339 62 108 0.574 

'log Lik.' -358.9611 (df=21) 
AIC: 759.9222 BIC: 826.1413 


> model_2.refit<-refit(model_2) 

Answer 1

當一個模型努力將返回錯誤消息說，一個「單一系統」導致，這意味着構建矩陣的一個無法處理因爲列的線性依賴性。這不是編碼錯誤，而是數據中的一種情況，阻止了數學「機器」的進行。您可以通過在Y1與預測的相關性看每個預測的單獨調查一些可能性：

with(dataset1.nomiss, sapply(list(Condition , AGE , RACE , CESD , SAQ_overall , 
        SAQ_certainty, SAQ_importance), 
           cor, y=Y1) 

如果沒有那些個人相關1.0的，那麼你應該再看看三路表的Y1與分類變量對。如果沒有更好地描述這些變量的性質，它很難具體，但我認爲只要不是明確的，AGE不太可能成爲問題。 SAQ變量不能被評論，因爲你沒有詳細說明數據情況。